留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用热核特征的SAR图像目标识别

杨绪峰 林伟 延伟东 温金环

杨绪峰, 林伟, 延伟东, 温金环. 采用热核特征的SAR图像目标识别[J]. 红外与激光工程, 2014, 43(11): 3794-3801.
引用本文: 杨绪峰, 林伟, 延伟东, 温金环. 采用热核特征的SAR图像目标识别[J]. 红外与激光工程, 2014, 43(11): 3794-3801.
Yang Xufeng, Lin Wei, Yan Weidong, Wen Jinhuan. SAR image target recognition based on heat kernel[J]. Infrared and Laser Engineering, 2014, 43(11): 3794-3801.
Citation: Yang Xufeng, Lin Wei, Yan Weidong, Wen Jinhuan. SAR image target recognition based on heat kernel[J]. Infrared and Laser Engineering, 2014, 43(11): 3794-3801.

采用热核特征的SAR图像目标识别

基金项目: 

国家自然科学基金(10926197,60972150,61201323,61301196);西北工业大学基础研究基金(JC201053)

详细信息
    作者简介:

    杨绪峰(1986-),男,硕士,主要从事统计建模与遥感图像处理等研究.Email:546405782@qq.com

  • 中图分类号: TP391

SAR image target recognition based on heat kernel

  • 摘要: 为了解决SAR图像受相干斑噪声干扰和震后发生形变而识别率偏低的问题,提出了一种新的仿射、形变不变特征-热核特征,并将该特征用于SAR图像目标识别.首先采用推广的核模糊C-均值方法分割SAR图像,提取SAR图像目标形状;接着对目标形状进行Delaunay三角剖分,采用余切权重法对Laplace-Beltrami Operator离散化,通过离散化Laplace-Beltrami Operator特征值、特征向量求每一点热核特征;然后采用谱距离公式对点点间热核距离计算,转化为距离分布表示目标形状的热核特征;最后采用L1相似性准则对图像进行相似性度量,得到识别结果.实验表明:与经典的Hu不变矩方法相比,对于仿射变换和发生形变的SAR图像,该方法都具有更高的识别率.因此,基于热核特征的SAR图像识别方法是一种更加有效的识别方法.
  • [1]
    [2] Zhang Juntuan, Lin Jun. SAR image change detection based on second order gray statistical characteristics[J]. Journal of Jilin University, 2008, 26(5): 536-541. (in Chinese) 张军团, 林君. 基于二阶灰度统计特征的SAR图像变化检测[J]. 吉林大学学报, 2008, 26(5): 536-541.
    [3] Ulaby F T, Kouyate F, Brisco B, et al. Textural information in SAR images[J]. IEEE Trans Geoscience and Remote Sensing, 1986, 24(3): 235 -245.
    [4]
    [5] Liu Qian, Zhu Feng, Hao Yingming, et al. Research on modeling and rendering of realistic infrared texture of grassland[J]. Infrared and Laser Engineering, 2013, 42(4): 1100-1105. (in Chinese) 柳倩, 朱枫, 郝颖明, 等. 草地的红外纹理建模与真实感绘制方法[J]. 红外与激光工程, 2013, 42(4): 1100-1105.
    [6]
    [7] Xu Xiaohui, Zhang An, Duanmu Jingshun, et al. Remote sensing target recognition based on particle swarm classifier[J]. Infrared and Laser Engineering, 2007, 36(4): 551-554. (in Chinese) 徐小慧, 张安, 端木京顺, 等. 基于粒子群分类器的遥感图像目标识别[J]. 红外与激光工程, 2007, 36(4): 551-554.
    [8]
    [9]
    [10] Yang Shu, Wang Yude. Image retrieval algorithm based on Contourlet transform and Hu invariant moments[J]. Infrared and Laser Engineering, 2014, 43(1): 306-310. (in Chinese) 杨舒, 王玉德. 基于Contourlet变换和Hu不变矩的图像检索算法[J]. 红外与激光工程, 2014, 43(1): 306-310.
    [11]
    [12] Sun J, Ovsjanikov M, Guibas L. A concise and provably informative multi-scale signature based on heat diffusion[J]. Proc Symp Geometry Processing, 2009, 28(5): 1383-1392.
    [13]
    [14] Coifman R R, Lafon S. Diffusion maps[J]. Applied and Computational Harmonic Analysis, 2006, 21(1): 5-30.
    [15] Bronstein M M, Bronstein A M. Shape recognition with spectral distances[J]. IEEE Trans Pattern Analysis and Machine Intelligence, 2011, 33(5): 1065-1071.
    [16]
    [17] Osada R, Funkhourser T, Chazelle B, et al. Shape distribution[J]. ACM Trans Graphics, 2002, 21(4): 807-832.
    [18]
    [19]
    [20] Fan Ming, Tian Zheng, Zhao Wei. Unfied framework of the FCM-type clustering algorithm and its kernel version[J]. Electronic Design Engineering, 2013, 4: 134-136. (in Chinese) 范明, 田铮, 赵伟. FCM型聚类算法的统一框架及其核推广[J]. 电子设计工程, 2013, 4: 134-136.
    [21] Cao Junfeng, Shi Jiacheng, Luo Haibo, et al. Image enhancement using clustering and histogram equalization[J]. Infrared and Laser Engineering, 2012, 41(12): 3436-3441. (in Chinese) 曹军峰, 史家成, 罗海波, 等. 采用聚类分割和直方图均衡的图像增强算法[J]. 红外与激光工程, 2012, 41(12): 3436-3441.
    [22]
    [23]
    [24] Pinkall U, Polthier K. Computing discrete minimal surfaces and their conjugates[J]. Experimental Math, 1993, 2(1): 15-36.
    [25] Levy B. Laplace-Beltrami eigen-functions towards an algorithm that understands geometry[C]//Shape Modeling and Applications. IEEE International Conference on Shape Modeling and Applications 2006, 2006.
  • [1] 张良, 田晓倩, 李少毅, 杨曦.  基于时空推理网络的空中红外目标抗干扰识别算法 . 红外与激光工程, 2022, 51(7): 20210614-1-20210614-10. doi: 10.3788/IRLA20210614
    [2] 王晓艳, 徐高魁.  基于立体视觉与特征匹配的点云目标识别算法 . 红外与激光工程, 2022, 51(9): 20210596-1-20210596-7. doi: 10.3788/IRLA20210596
    [3] 廖辉传, 赵海霞.  基于分类器决策融合的红外图像目标识别方法 . 红外与激光工程, 2022, 51(8): 20210725-1-20210725-6. doi: 10.3788/IRLA20210725
    [4] 廖莎莎.  基于筛选深度特征的红外图像目标识别方法 . 红外与激光工程, 2022, 51(5): 20210372-1-20210372-6. doi: 10.3788/IRLA20210372
    [5] 杨棉绒, 牛丽平.  基于LGBM的Zernike特征选取及红外图像目标识别方法 . 红外与激光工程, 2022, 51(4): 20210309-1-20210309-6. doi: 10.3788/IRLA20210309
    [6] 陆建华.  融合CNN和SRC决策的SAR图像目标识别方法 . 红外与激光工程, 2022, 51(3): 20210421-1-20210421-7. doi: 10.3788/IRLA20210421
    [7] 吴剑波, 陆正武, 关玉蓉, 王庆东, 姜国松.  二维压缩感知多投影矩阵特征融合的SAR目标识别方法 . 红外与激光工程, 2021, 50(6): 20200531-1-20200531-7. doi: 10.3788/IRLA20200531
    [8] 史国军.  深度特征联合表征的红外图像目标识别方法 . 红外与激光工程, 2021, 50(3): 20200399-1-20200399-6. doi: 10.3788/IRLA20200399
    [9] 刘志超, 屈百达.  复数二维经验模态分解在SAR目标识别中的应用 . 红外与激光工程, 2021, 50(5): 20200309-1-20200309-8. doi: 10.3788/IRLA20200309
    [10] 李亚娟.  结合多决策准则稀疏表示的SAR图像目标识别方法 . 红外与激光工程, 2021, 50(8): 20210138-1-20210138-8. doi: 10.3788/IRLA20210138
    [11] 尚珊珊, 余子开, 范涛, 金利民.  高斯过程模型在SAR图像目标识别中的应用 . 红外与激光工程, 2021, 50(7): 20200337-1-20200337-7. doi: 10.3788/IRLA20200337
    [12] 伍友龙.  多元经验模态分解及在SAR图像目标识别中的应用 . 红外与激光工程, 2021, 50(4): 20200236-1-20200236-7. doi: 10.3788/IRLA20200236
    [13] 赵璐, 熊森.  多视角红外图像目标识别方法 . 红外与激光工程, 2021, 50(11): 20210206-1-20210206-6. doi: 10.3788/IRLA20210206
    [14] 马丹丹.  图像分块匹配的SAR目标识别方法 . 红外与激光工程, 2021, 50(10): 20210120-1-20210120-8. doi: 10.3788/IRLA20210120
    [15] 石峰, 陆同希, 杨书宁, 苗壮, 杨晔, 张闻文, 何睿清.  噪声环境下基于单像素成像系统和深度学习的目标识别方法 . 红外与激光工程, 2020, 49(6): 20200010-1-20200010-8. doi: 10.3788/IRLA20200010
    [16] 张盼盼, 罗海波, 鞠默然, 惠斌, 常铮.  一种改进的Capsule及其在SAR图像目标识别中的应用 . 红外与激光工程, 2020, 49(5): 20201010-20201010-8. doi: 10.3788/IRLA20201010
    [17] 谢冰, 段哲民.  基于SAE与底层视觉特征融合的无人机目标识别算法 . 红外与激光工程, 2018, 47(S1): 197-205. doi: 10.3788/IRLA201847.S126004
    [18] 付跃刚, 赵宇, 刘智颖, 张凯, 朱启凡, 李亚红.  用于目标识别的紧凑型仿生复眼光学系统设计 . 红外与激光工程, 2017, 46(6): 602001-0602001(7). doi: 10.3788/IRLA201746.0602001
    [19] 刘俊良, 陈尚锋, 卢焕章, 赵本东, 毋亚北.  弹道目标识别的红外辐射数据仿真研究 . 红外与激光工程, 2016, 45(10): 1004002-1004002(7). doi: 10.3788/IRLA201645.1004002
    [20] 肖传民, 史泽林, 刘云鹏.  张量子空间降维的边缘图像匹配 . 红外与激光工程, 2015, 44(11): 3488-3493.
  • 加载中
计量
  • 文章访问数:  579
  • HTML全文浏览量:  100
  • PDF下载量:  342
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-03-15
  • 修回日期:  2014-04-20
  • 刊出日期:  2014-11-25

采用热核特征的SAR图像目标识别

    作者简介:

    杨绪峰(1986-),男,硕士,主要从事统计建模与遥感图像处理等研究.Email:546405782@qq.com

基金项目:

国家自然科学基金(10926197,60972150,61201323,61301196);西北工业大学基础研究基金(JC201053)

  • 中图分类号: TP391

摘要: 为了解决SAR图像受相干斑噪声干扰和震后发生形变而识别率偏低的问题,提出了一种新的仿射、形变不变特征-热核特征,并将该特征用于SAR图像目标识别.首先采用推广的核模糊C-均值方法分割SAR图像,提取SAR图像目标形状;接着对目标形状进行Delaunay三角剖分,采用余切权重法对Laplace-Beltrami Operator离散化,通过离散化Laplace-Beltrami Operator特征值、特征向量求每一点热核特征;然后采用谱距离公式对点点间热核距离计算,转化为距离分布表示目标形状的热核特征;最后采用L1相似性准则对图像进行相似性度量,得到识别结果.实验表明:与经典的Hu不变矩方法相比,对于仿射变换和发生形变的SAR图像,该方法都具有更高的识别率.因此,基于热核特征的SAR图像识别方法是一种更加有效的识别方法.

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回